没有合适的资源?快使用搜索试试~ 我知道了~
每章会有一个导读视频和两个重难点讲解视频(第三章和第五章内容比较容易理解,第三章没有重难点讲解视频,第五章只有一个重难点讲解视频),重难点讲解视频涉及模型理解、
资源详情
资源评论
资源推荐
![](https://csdnimg.cn/release/download_crawler_static/86360021/bg1.jpg)
统计学习方法作业(第四期)
笔记整理人:天国之影
说明
1. 每周三、周六为休息日,当天无须打卡,不会安排任何作业和任务。若学
习时长中包含周三或周六,则默认忽略当天计划。
2. 本课程作业的所有代码都要基于 Python3,在 Jupyter Notebook 上完成。
3. 课程老师:Eddy 老师
我的作业 GitHub 地址(在每一个 Week 中均有一个 MyHomeWork 文件夹,用于
记录我的作业完成情况,所有 ipynb 文件均带注释):
https://github.com/Relph1119/StatisticalLearningMethod-
Camp
前言
教学内容完全依据《统计学习方法》一书,每一章的学习计划会详细列出本
章需要学习的内容和不做学习要求的内容。
每章会有一个导读视频和两个重难点讲解视频(第三章和第五章内容比较容
易理解,第三章没有重难点讲解视频,第五章只有一个重难点讲解视频),重难
点讲解视频涉及模型理解、理论推导、算法实现等内容。书中共有 10 个算法,
每个算法会在学习当天提供一个示例代码,同学们先自行理解,助教会在每周周
末讲解作业和代码。
资料领取:
《统计学习方法》电子书请在公众号深度之眼后台直接回复关键词【统计】,
即可领取。
1 第 1 周
![](https://csdnimg.cn/release/download_crawler_static/86360021/bg2.jpg)
1.1 学习第 1 章统计学习方法概论
任务简介:
学习第 1 章统计学习方法概论,理解统计学习方法的一些基本概念。
详细说明:
第 1 章是对统计学习中基本思想、基本概念以及常见问题类型的介绍。其中
涉及的一些特定的技术不用深究。需要重点理解的内容是模型过拟合的含义、模
型泛华能力两部分,另外通过习题熟悉一下极大似然估计和贝叶斯估计两个估计
方法。
学习目标:
(1) 观看绪论视频,了解训练营学习计划。
(2) 观看导读视频
(3) 理解“本章概要”的 5 点内容。
(4) 理解模型过拟合产生的原因以及造成的影响(对应书籍中的第一章第4 节)
(5) 理解机器学习的评价标准:模型的泛化能力(对应书籍中的第一章第 6 节)
(6) 熟悉极大似然估计和贝叶斯估计基本思想和求解方法(对应书籍中的习题
1、习题 2)。
作业内容:
作业 1:
推导下述正态分布均值的极大似然估计和贝叶斯估计。数据
𝑥
1
,⋯,
𝑥
𝑛
来自正
态分布
N(μ,
𝜎
2
)
,其中
𝜎
2
已知。
(1)根据样本
𝑥
1
,⋯,
𝑥
𝑛
写出
μ
的极大似然估计。
(2)假设
μ
的先验分别是正态分布
N(0,
𝜏
2
)
,根据样本
𝑥
1
,⋯,
𝑥
𝑛
写出
μ
的贝叶斯估计。
打卡要求:提交图片一张。
1.2 学习第 2 章感知机
任务简介:
学习第 2 章感知机,理解感知机模型解决的问题,模型形式、学习策略和求
解算法。
详细说明:
![](https://csdnimg.cn/release/download_crawler_static/86360021/bg3.jpg)
第 2 章讲了在数据线性可分的情况下的感知机模型。通过阅读第 1 节,理解
感知机模型的基本思想和模型形式;通过阅读第 2 节了解感知机模型采用的损失
函数的形式及含义;第 3 节描述了感知机模型对应的优化问题的原始形式和对偶
形式,请大家学习原始形式对应的随机梯度算法及算法的收敛性,对偶形式不做
要求。
学习目标:
(1) 导读视频
(2) 掌握感知机的模型形式、损失函数及对应的优化问题
(3) 掌握随机梯度下降算法原理
(4) 理解感知机模型中随机梯度算法的收敛性。
作业内容:
作业 2:
(1) 思考感知机模型假设空间是什么?模型复杂度体现在哪里?打卡进行文
字说明。
(2) 已知训练数据集 D,其正实例点是
𝑥
1
=
(3,3)
𝑇
,
𝑥
2
=
(4,3)
𝑇
,负实例点是
𝑥
3
=
(1,1)
𝑇
:
(a)用 python 自编程实现感知机模型,对训练数据集进行分类,并对比误
分类点选择次序不同对最终结果的影响。可采用函数式编程或面向对象的编程。
(b)试调用 sklearn.linear_model 的 Perceptron 模块,对训练数据集进行分
类,并对比不同学习率 h 对模型学习速度及结果的影响。
(c)附加题:对比传统感知机算法及其对偶形式的运行速度。
打卡代码运行结果的截图
打卡要求:文字 20 字,图片 1 张
打卡截止提交日期:2019/5/24
1.3 学习第 3 章 k 近邻
任务简介:
学习第 3 章 k 近邻,学习 k 近邻算法在分类问题中的应用,理解 k 近邻法的
三要素及模型对应的损失函数。
剩余14页未读,继续阅读
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![application/x-zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![doc](https://img-home.csdnimg.cn/images/20210720083327.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![application/msword](https://img-home.csdnimg.cn/images/20210720083327.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![ini](https://img-home.csdnimg.cn/images/20210720083646.png)
![text/plain](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![avatar](https://profile-avatar.csdnimg.cn/c2e11008a31c451698f3fd8782a842a8_weixin_35733151.jpg!1)
茶啊冲的小男孩
- 粉丝: 28
- 资源: 326
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)
评论0